尹吉慶+王衛(wèi)國(guó)

【摘要】網(wǎng)站訪(fǎng)問(wèn)量是衡量課程網(wǎng)站價(jià)值的重要指標(biāo)。本文提出一種基于人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)站訪(fǎng)問(wèn)量預(yù)測(cè)模型，首先將原始數(shù)據(jù)進(jìn)行歸一化處理，再利用多層前饋神經(jīng)網(wǎng)絡(luò)算法來(lái)建立預(yù)測(cè)模型，并預(yù)測(cè)未來(lái)的網(wǎng)站訪(fǎng)問(wèn)量，最終得到較精確的預(yù)測(cè)數(shù)據(jù)。

【關(guān)鍵詞】人工神經(jīng)網(wǎng)絡(luò) BP算法 網(wǎng)站訪(fǎng)問(wèn)量

【中圖分類(lèi)號(hào)】G64 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2095-3089（2017）43-0202-01

引言

當(dāng)前高等院校十分重視課程網(wǎng)站在課程體系建設(shè)中的作用，紛紛建立專(zhuān)門(mén)的課程學(xué)習(xí)網(wǎng)站。研究表明，網(wǎng)站訪(fǎng)問(wèn)量常表現(xiàn)為非線(xiàn)性，而且在某一范圍內(nèi)波動(dòng)，就必須采用非線(xiàn)性模型來(lái)預(yù)測(cè)。理論上，神經(jīng)網(wǎng)絡(luò)能夠無(wú)限逼近非線(xiàn)性函數(shù)。因此，本文采用神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測(cè)模型，以某課程網(wǎng)站的每天的訪(fǎng)問(wèn)量作為數(shù)據(jù)，來(lái)預(yù)測(cè)以后的網(wǎng)站訪(fǎng)問(wèn)量，最終得到了比較理想的預(yù)測(cè)模型和預(yù)測(cè)結(jié)果。

1.BP神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)，也稱(chēng)為神經(jīng)網(wǎng)絡(luò)，是一種應(yīng)用類(lèi)似于大腦神經(jīng)突觸接觸連接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。BP神經(jīng)網(wǎng)絡(luò)是由非線(xiàn)性變換單元組成的前饋網(wǎng)絡(luò)，也被稱(chēng)為誤差反向傳播神經(jīng)網(wǎng)絡(luò)。一般的多層前饋網(wǎng)絡(luò)也指BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣的一種神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)通常由輸入層、輸出層和若干隱含層構(gòu)成，每個(gè)節(jié)點(diǎn)表示一個(gè)神經(jīng)元，上層節(jié)點(diǎn)與下層節(jié)點(diǎn)之間通過(guò)權(quán)連接，層與層之間的節(jié)點(diǎn)采用權(quán)互聯(lián)的連接方式，每層內(nèi)節(jié)點(diǎn)之間沒(méi)有聯(lián)系。典型的BP神經(jīng)網(wǎng)絡(luò)是含有一個(gè)隱含層的三層結(jié)構(gòu)網(wǎng)絡(luò)。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式包含前饋和反向傳播兩個(gè)階段。前饋階段是指輸入信號(hào)由輸入層引入，以前饋方式經(jīng)由隱含層傳至輸出層，并計(jì)算網(wǎng)絡(luò)輸出；反向傳播階段是指以期望輸出值減去網(wǎng)絡(luò)輸出值從而得到誤差信號(hào)，然后將誤差信號(hào)逐層反向傳遞回網(wǎng)絡(luò)中，進(jìn)而修改連接權(quán)值和閥值。

通過(guò)信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過(guò)程的不斷進(jìn)行，在一定精度的要求下，權(quán)值和閥值得到不斷的調(diào)整，直到網(wǎng)絡(luò)輸出與目標(biāo)輸出達(dá)到設(shè)定的精度。BP神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)從輸入到輸出之間的高度非線(xiàn)性映射關(guān)系，因而在函數(shù)擬合、仿真預(yù)測(cè)等方面有著廣泛的應(yīng)用。

2.案例分析

以某課程網(wǎng)站的每天的訪(fǎng)問(wèn)量作為原始數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)分析。

為避免原始數(shù)據(jù)過(guò)大造成網(wǎng)絡(luò)麻痹，要對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理，對(duì)于預(yù)測(cè)值，由于變化幅度較大，也不宜直接作為神經(jīng)網(wǎng)絡(luò)的輸出。對(duì)原始樣本數(shù)據(jù)的進(jìn)行歸一化的公式為：

y=■

其中，max和min分別為樣本數(shù)據(jù)中的最大值和最小值，x為原始樣本數(shù)據(jù)，y為變換后的數(shù)值。這樣不但避免了輸入數(shù)據(jù)落入飽和區(qū)域，也保持了數(shù)據(jù)的原有特征。經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)模型計(jì)算出的預(yù)測(cè)值，再做反歸一化運(yùn)算，即得到最終的預(yù)測(cè)值。

接下來(lái)，對(duì)樣本進(jìn)行分類(lèi)，以1-9天的數(shù)據(jù)為訓(xùn)練樣本，第10、11和12天的數(shù)據(jù)為檢驗(yàn)樣本。將前3天的數(shù)據(jù)作為輸入，第4天的數(shù)據(jù)作為輸出，以此類(lèi)推建立訓(xùn)練數(shù)據(jù)。選用3層BP神經(jīng)網(wǎng)絡(luò)，即輸入層、輸出層和一個(gè)隱含層。利用MATLAB軟件進(jìn)行多次測(cè)試對(duì)比后，訓(xùn)練函數(shù)選用“trainlm”，輸入層和隱含層之間的傳遞函數(shù)選用“tansig”，隱含層和輸出層之間的傳遞函數(shù)選用“purelin”。隱含層節(jié)點(diǎn)數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)的性能有一定的影響，依據(jù)l=■+a；式中，l為隱含層節(jié)點(diǎn)數(shù)，n為輸入節(jié)點(diǎn)數(shù)，m為輸出節(jié)點(diǎn)數(shù)，a為1-10之間的調(diào)節(jié)常數(shù)。這里n=3，m=1，故l的取值范圍為3-12。本文通過(guò)設(shè)計(jì)一個(gè)隱含層節(jié)點(diǎn)數(shù)可變的BP網(wǎng)絡(luò)，最大訓(xùn)練次數(shù)為1000次，訓(xùn)練函數(shù)采用trainlm時(shí)，用同一樣本訓(xùn)練，發(fā)現(xiàn)隱含層節(jié)點(diǎn)數(shù)為6的情況下，網(wǎng)絡(luò)訓(xùn)練誤差最小，在本例中數(shù)據(jù)的預(yù)測(cè)效果最好。利用該BP網(wǎng)絡(luò)，訓(xùn)練次數(shù)為10次時(shí)，標(biāo)準(zhǔn)數(shù)值誤差即可達(dá)到10-30。第6、7、8、9天的數(shù)據(jù)作為訓(xùn)練樣本，預(yù)測(cè)數(shù)據(jù)和原始數(shù)據(jù)完全吻合，達(dá)到了訓(xùn)練網(wǎng)絡(luò)的目的。第10、11和12天的數(shù)據(jù)作為檢驗(yàn)樣本，相對(duì)誤差均很小，預(yù)測(cè)結(jié)果和原始數(shù)據(jù)基本吻合，說(shuō)明BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的精度比較高，利用該方案預(yù)測(cè)網(wǎng)站訪(fǎng)問(wèn)量是可行的。第11天的輸入數(shù)據(jù)采用了第8天和9天的原始數(shù)據(jù)，以及第10天的預(yù)測(cè)數(shù)據(jù)，第12天的輸入數(shù)據(jù)采用了第9天的原始數(shù)據(jù)，以及第10天和11天的預(yù)測(cè)數(shù)據(jù)，由于是用預(yù)測(cè)出來(lái)的值接著向后預(yù)測(cè)，導(dǎo)致誤差較大。

3.結(jié)論

通過(guò)基于BP神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)站訪(fǎng)問(wèn)量模型的預(yù)測(cè)和分析，充分證明BP神經(jīng)網(wǎng)絡(luò)對(duì)非線(xiàn)性系統(tǒng)具有良好的函數(shù)逼近功能，利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)網(wǎng)站訪(fǎng)問(wèn)量是可行的，簡(jiǎn)單易行，而且具有很好的預(yù)測(cè)準(zhǔn)確度。通過(guò)對(duì)網(wǎng)站訪(fǎng)問(wèn)量的預(yù)測(cè)，可為課程網(wǎng)站管理提供重要參考，及時(shí)調(diào)整網(wǎng)站性能，節(jié)約人力物力，提高效率。

參考文獻(xiàn)：

[1]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京：高等教育出版社，2001.endprint